Mô hình dự đoán (Prediction Modeling) là gì? Các nhà phát triển ứng dụng có thể tận dụng công nghệ trí tuệ nhân tạo (AI) như thế nào? Mời bạn đọc cùng khám phá câu trả lời qua cuộc phỏng vấn với ông Anton Ogay, Product Owner thuộc bộ phận App Campaigns tại Yandex Ads – một trong những mạng quảng cáo lớn nhất toàn cầu. Cuộc phỏng vấn này được thực hiện với sự hỗ trợ từ đại diện truyền thông của Yandex tại Việt Nam.

Ông Anton Ogay.

Mô hình dự đoán là gì? Nó đã được ứng dụng trong thực tiễn như thế nào?

Ông Anton Ogay: Mô hình dự đoán từ lâu đã được ứng dụng trong nhiều lĩnh vực khác nhau, đặc biệt trong các lĩnh vực như bán lẻ, ngân hàng, sản xuất và tiếp thị. Mô hình dự đoán vạch ra tầm nhìn và cách vận hành trong tương lai, từ đó giúp nhà quản lý đưa ra giải pháp tốt nhất có thể được. Trong tiếp thị, các mô hình dự đoán giúp nhà lãnh đạo phân khúc chính xác nhóm đối tượng để tập trung chiến dịch hiệu quả hơn, xác định nhóm khách hàng chính, quyết định chiến lược tối ưu hóa,…. Ngày nay, với sự bùng nổ của công nghệ AI và các giải pháp dựa trên dữ liệu, mô hình dự đoán ngày càng trở nên tự động, chính xác và mạnh mẽ hơn.

Theo thời gian, mô hình dự đoán ngày càng được các tổ chức ứng dụng rộng rãi. Để có được những dự đoán chính xác, các tổ chức cần phải có đủ nhân lực và vật lực, cụ thể là các chuyên gia phân tích dữ liệu và nguồn dữ liệu đủ đa dạng. Tuy nhiên, điều này cực kỳ tốn kèm về mặt thời gian và tài nguyên của doanh nghiệp. Ngày nay, với AI, những thách thức này đã được giải quyết, vì thuật toán AI có thể xử lý lượng lớn dữ liệu một cách nhanh chóng và chính xác, giảm thời gian và nguồn lực cần thiết nhưng vẫn bảo đảm chất lượng của dự đoán.

Ông có thể đưa ra ví dụ cách các công ty có thể tận dụng mô hình dự đoán tích hợp AI không?

Ông Anton Ogay: Hiện tại, có rất nhiều công ty và tổ chức đã áp dụng AI trong dự đoán, điển hình là các công ty công nghệ. Một ví dụ có thể kể tới là AppMetrica, nền tảng phân tích ứng dụng thuộc Yandex Ads, đã cập nhật tính năng Dự đoán Giá trị vòng đời (Lifetime Value, LTV) để đo lường giá trị vòng đời của khách hàng và Dự đoán Tỷ lệ rời bỏ (Churn) để dự đoán thời điểm người dùng ngừng sử dụng ứng dụng (gỡ cài đặt ứng dụng, xóa đăng ký, ….).

LTV là số liệu quan trọng để đo lường doanh thu trung bình do người dùng tạo ra trong thời gian họ sử dụng ứng dụng. Và Churn sẽ giúp họ xác định nhóm người dùng ít trung thành nhất. Trên cơ sở này, chủ sở hữu ứng dụng có thể xác định phân khúc người dùng tiềm năng từ LTV cao nhất cho tới nhóm người dùng có LTV thấp nhất và quyết định chiến lược thu hút, tương tác và giữ chân người dùng một cách rõ ràng, thay vì dàn trải thời gian và nguồn lực cho những chiến dịch mơ hồ, gây lãng phí nguồn lực công ty.

Điều này sẽ giúp tối ưu hóa nguồn lực của công ty dựa trên tệp người dùng có sẵn vì trên thực tế, chi phí để có được người dùng mới cao hơn nhiều so với chi phí để giữ chân người dùng hiện tại.

Ông có thể vui lòng mô tả thêm về cách thức hoạt động của các mô hình dự đoán như thế này được không? Độ tin cậy của các mô hình này ra sao?

Ông Anton Ogay: Với AppMetrica, thuật toán sẽ dựa trên hành vi người dùng trong ngày đầu tiên sử dụng ứng dụng, từ dữ liệu này, mô hình có thể dự đoán lượng thời gian họ dành cho các ứng dụng tương tự cũng như mức doanh thu mà họ sẽ tạo ra cho nhà phát triển ứng dụng. Để bảo đảm độ chính xác và độ tin cậy của các mô hình dự đoán, AppMetrica đã xây dựng nhiều thuật toán khác nhau.

Đầu tiên, nền tảng sẽ xác định lượt cài đặt ứng dụng tiềm năng bằng cách chấm điểm dựa trên dữ liệu ẩn danh về hành vi người dùng khi họ sử dụng các ứng dụng khác, kết hợp với dữ liệu được cung cấp bởi nhà phát triển. Từ đó, nền tảng quảng cáo sẽ điều chỉnh quảng cáo để nhắm tới những người dùng có nhiều khả năng cài đặt ứng dụng nhất.

Mô tả thuật toán của AppMetrica chấm điểm và phân nhóm người dùng có tiềm năng tải ứng dụng.

Tùy thuộc vào hành vi người dùng trong ngày đầu tiên sử dụng ứng dụng, mô hình sẽ đánh giá từng người dùng mới (ẩn danh) và gửi các sự kiện tới AppMetrica dựa theo phân nhóm những người nằm trong top 5% có LTV cao nhất cho tới 20% hoặc 50%. Nhà phát triển ứng dụng có thể truy cập các thông tin này ngay ngày đầu tiên của chiến dịch khi sử dụng AppMetrica.

Mô tả thuật toán dự đoán tệp người dùng có LTV cao nhất của AppMetrica.

Dựa theo phân nhóm này, nhà quảng cáo có thể lấy đó làm căn cứ để đưa ra lựa chọn tối ưu hóa ứng dụng của mình, nhắm quảng cáo tới đối tượng người dùng có LTV cao hơn, sử dụng app thường xuyên hơn, từ đó tối ưu hóa hiệu quả chiến dịch và tăng doanh thu.

Trong quá trình thử nghiệm, AppMetrica đã ghi nhận mức tăng lợi nhuận từ ứng dụng lên tới 12%, chứng tỏ tính hiệu quả của phương pháp này trong việc tăng doanh thu cho các nhà phát hành một cách chiến lược và bền vững hơn, cũng như ngăn ngừa lãng phí thời gian và tiền bạc.

Một điểm mấu chốt để bảo đảm tính chính xác của dự đoán đó là nguồn dữ liệu, nguồn dữ liệu cần phải đủ lớn và đủ đa dạng để có thể bao trùm lên nhiều nhóm đối tượng người dùng khác nhau. Với Yandex Ads, chúng tôi có lợi thế về nguồn dữ liệu được thu thập trong hệ sinh thái Yandex Direct với hàng chục ngàn ứng dụng khác nhau và hàng trăm triệu người dùng. Nguồn dữ liệu khổng lồ này cho phép AI học theo hành vi của đa dạng các nhóm khách hàng, từ đó cải thiện tỷ lệ chính xác của dự đoán. Với AppMetrica, tỉ lệ dự đoán chính xác lên tới 99%.

Ngoài ví dụ trên, ông nghĩ AI có thể được tận dụng như thế nào trong hỗ trợ nhà phát triển tối ưu ứng dụng của mình?

Ông Anton Ogay: Nhà phát triển ứng dụng có thể tận dụng sức mạnh của AI cho nhiều khía cạnh của sản phẩm. Tôi có một số gợi ý như sau:

• Cá nhân hóa Trải nghiệm người dùng: Triển khai thuật toán AI để phân tích hành vi, sở thích và tương tác của người dùng trong ứng dụng. Bằng cách cá nhân hóa nội dung, đề xuất và thông báo dựa trên dữ liệu người dùng cá nhân, nhà phát triển có thể nâng cao mức độ tương tác và giữ chân người dùng.
• Phân tích dự đoán: Sử dụng phân tích dự đoán do AI cung cấp để dự báo xu hướng người dùng, xác định các vấn đề tiềm ẩn và tối ưu hóa hiệu suất ứng dụng. Bằng cách phân tích dữ liệu lịch sử và thói quen người dùng, nhà phát triển có thể đưa ra quyết định đúng đắn để cải thiện sự hài lòng của người dùng và đồng thời tối ưu hóa ứng dụng hiệu quả hơn.
• Kiếm tiền từ ứng dụng: Sử dụng thuật toán AI và các dự báo được AI cung cấp để cải thiện chiến lược quảng cáo trong ứng dụng. AI có thể giúp nhà phát triển xác định người dùng có giá trị cao, xác định mục tiêu quảng cáo chính xác hơn và tối ưu hóa cơ hội kiếm tiền trong khi vẫn duy trì trải nghiệm hài lòng của người dùng.

Xin chân thành cảm ơn ông!

P.L.E

Nguồn doYandex Ads cung cấp.